Améliorer la précision diagnostique et les délais de traitement grâce à l’IA en radiologie
- Pauline Beaumel, AZmed
L’intelligence artificielle (IA) en radiologie est passée de manière spectaculaire de la phase pilote à une phase de déploiement clinique à grande échelle. C’est certainement en réponse à l’écart toujours croissant entre le volume d’imagerie et la capacité de compte rendu. Le volume d’examens de radiologie a augmenté de plus de 30 % dans certains pays au cours des 10 dernières années, tandis que les pénuries de main-d’œuvre touchant à la fois les cliniciens et les radiologues ont persisté sur la même période.¹ ² ³
La pénurie est la plus marquée dans les services de soins aigus et de traumatologie. Des études évaluées par des pairs ont estimé que des erreurs d’interprétation surviennent dans environ 3 à 10 % de toutes les interprétations d’images, les fractures étant citées parmi les plus fréquemment manquées.⁴ Parallèlement, l’épuisement professionnel des radiologues touche probablement jusqu’à 88 % des radiologues dans le monde.⁵ Ceci en réponse à des listes de travail PACS/RIS longues et exigeantes et à la nécessité de prendre des décisions cliniques immédiates concernant des diagnostics urgents.⁶
Dans le contexte de ce paysage clinique en évolution, l’IA montre son potentiel en tant que nouvel outil d’aide à la décision clinique (CDS) avec lequel s’engager, pour aider les cliniciens en permettant une détection plus reproductible, et pour introduire des résultats d’imagerie exploitables en temps voulu grâce à des comptes rendus accélérés et à l’attribution de priorités d’imagerie.⁷ ⁸
L’un des centres de référence en Allemagne adoptant les technologies de santé numérique est AGAPLESION ELISABETHENSTIFT, qui utilise la suite IA Rayvolve® développée par AZmed (Paris, France) pour améliorer la détection des fractures, des anomalies thoraciques et soutenir les flux de travail standards de radiologie grâce à l’IA.⁹
Un partenariat ancré dans un besoin clinique
Chez AGAPLESION ELISABETHENSTIFT, le déploiement de l’IA n’est pas né de la curiosité mais d’un besoin de niveau de supervision supplémentaire pour encadrer le flux des patients. Le nombre de spécialistes varie. La médecin-cheffe adjointe du service de consultations chirurgicales de traumatologie, d’orthopédie et de médecine du sport, la Dre Sabine Geck, a partagé ce commentaire : « Nous réalisons de l’imagerie jour et nuit, mais un radiologue n’est pas toujours disponible 24 heures sur 24 pour interpréter les examens ».
Pour optimiser la performance diagnostique, l’organisation a mis en œuvre AZtrauma et AZchest, issus de la suite IA Rayvolve®, en mars 2025. AZtrauma, qui a obtenu la meilleure AUC pour la détection de fractures dans l’étude indépendante de Luiken et al. (2025), et considéré comme la solution d’IA la plus performante sur les marchés mondiaux, peut analyser une radiographie en quelques secondes pour repérer d’éventuelles fractures, luxations et épanchements articulaires. « Ici, nous voyons une fracture non déplacée au niveau du médio-pied », note la Dre Geck, en pointant une région d’intérêt signalée sur la radiographie. « La fracture n’est pas déplacée, elle est donc à peine visible. Mais l’IA a détecté ici une fracture avec une forte probabilité ».
Elle ajoute : « AZchest peut également identifier du liquide dans les tissus ou les articulations, comme des épanchements ou des infiltrats. L’IA détecte également et signale un pneumothorax — un affaissement du poumon ».
Une intégration transparente au flux de travail clinique
Un facteur clé du succès d’AGAPLESION avec l’IA est la conception du flux de travail. La suite IA Rayvolve® est intégrée nativement au PACS. Une fois la radiographie acquise, l’image est automatiquement envoyée à la suite IA Rayvolve® en tant qu’examen pseudonymisé, sans clic supplémentaire. Le logiciel effectue alors une inférence sur la radiographie, en évaluant l’image. Le système renvoie les résultats à l’utilisateur en quelques secondes, incluant un cadre de délimitation autour de l’anomalie et une annotation indiquant le résultat suspecté.
« L’IA examine les radiographies et nous donne une évaluation de la présence possible d’une fracture ou non », explique la Dre Geck. « Le système a récemment commencé à estimer si une fracture est ancienne ou non — cela est particulièrement utile au niveau de la colonne vertébrale ». Ce type d’intégration élimine le besoin d’applications distinctes ou d’interventions manuelles. Par exemple, les radiologues et les médecins traumatologues peuvent consulter le résultat de l’IA conjointement avec la radiographie originale, facilitant une interprétation plus rapide tout en conservant un contrôle total sur le processus diagnostique.
Renforcer les cliniciens grâce à l’aide à la décision
La suite IA Rayvolve® a eu un impact particulièrement marqué sur les internes et les stagiaires. Dans un contexte d’urgence, les internes réalisent fréquemment des interprétations préliminaires avant que le radiologue n’ait l’occasion d’examiner le cas. Dans ce contexte particulier, AZtrauma et AZchest, en tant que lecteurs supplémentaires, offrent un sentiment de réassurance, de cohérence et un filet de sécurité contre d’éventuels oublis.
« Les médecins moins expérimentés sont soutenus dans leur décision — en particulier lorsque, par exemple, la nuit ou le week-end, aucun radiologue n’est de garde », dit la Dre Geck.
Chaque radiographie traitée par le système bénéficie d’un mécanisme d’assurance qualité qui encourage la collaboration entre l’intelligence humaine et l’intelligence artificielle. Chaque radiographie évaluée par l’IA est associée à un code QR qui permet aux cliniciens de donner leur retour, principalement dans les cas où l’IA ne correspond pas à leur propre évaluation. Selon Juliette Denieuil, coordinatrice AZmed pour la région DACH, il s’agit d’un aspect essentiel de l’amélioration continue de la qualité : « Là, les médecins peuvent donner directement leur retour, en particulier lorsqu’ils considèrent les résultats comme des faux positifs ou des faux négatifs. »
Ces mécanismes de retour en boucle fermée illustrent la philosophie d’AZmed en matière de produits d’IA centrés sur l’humain, conçus pour soutenir, et non remplacer, le jugement du médecin.
Des résultats subtils à des diagnostics plus sûrs
Dans la pratique clinique quotidienne, les fractures capillaires figurent parmi les résultats les plus difficiles à identifier. La présence de ces fractures subtiles est facile à manquer, en particulier dans un service de traumatologie très sollicité, où des centaines d’examens sont revus à chaque vacation. La capacité de l’IA à identifier et mettre en évidence ces résultats de manière précoce permet une détection plus cohérente et accélère la transformation des décisions en actions.
« La fracture ici était non déplacée et donc à peine perceptible », se souvient la Dre Geck. « Mais la solution d’IA d’AZmed a marqué la zone avec un cadre rouge, suggérant une forte probabilité de fracture. Cela nous a permis de confirmer le résultat et d’initier le bon parcours diagnostique sans délai. »
L’IA agit comme un filet de sécurité continu pour réduire l’incertitude diagnostique, obtenir un délai de traitement (TAT) plus rapide, et offrir une plus grande confiance globale dans la prise de décision clinique.
Une utilisation responsable de l’IA en radiologie
Bien que l’IA soit un ajout utile pour les cliniciens, elle ne doit jamais être considérée comme un substitut au jugement humain. Clara Einhaus, responsable IA chez AGAPLESION, évoque l’importance de préserver cet équilibre : « Les applications d’IA comme Rayvolve® sont conçues pour soutenir le personnel médical dans son travail quotidien. Cependant, les décisions sont toujours prises par nos experts, en l’occurrence par le service médical. L’interaction entre l’intelligence artificielle et humaine garantit que les patients reçoivent le meilleur traitement possible selon les normes modernes ».
Développer l’IA avec ce cadrage éthique est essentiel pour garantir la confiance tout au long des parcours des patients et des prestataires. Les cliniciens et les patients veulent savoir que l’intelligence artificielle n’est qu’un assistant et que la prise de décision clinique préserve l’autonomie des cliniciens.
Un engagement sous-jacent envers cet équilibre est l’approche de développement d’AZmed. Chaque déploiement de la suite IA Rayvolve® est conçu pour soutenir un flux de travail à haut débit au sein des systèmes existants. L’entreprise veut s’assurer que l’IA est une extension du flux de travail du clinicien plutôt qu’une perturbation.
Étendre l’IA à travers le réseau AGAPLESION
Observant ce succès sur le site de Darmstadt, AGAPLESION envisage désormais une mise en œuvre plus large de la suite IA Rayvolve® dans ses établissements. Fabian Lechner, responsable des services centraux d’IA chez AGAPLESION, décrit cela comme faisant partie d’une stratégie d’innovation délibérée : « Nous savons que l’IA peut apporter une valeur ajoutée dans une grande variété de processus, c’est pourquoi nous testons et évaluons un large éventail d’applications dans de petites zones. AZmed est un exemple de système d’aide à la décision innovant et moderne pour le diagnostic et le traitement qui en résulte. Mes remerciements vont à la Dre Geck et à ses collègues, qui ont introduit AZmed avec tant de succès à AGAPLESION ELISABETHENSTIFT. »
Cette méthode suit fidèlement la vision à long terme de l’organisation, qui consiste à combiner efficacement l’innovation numérique avec des soins centrés sur le patient. Cela offre à AGAPLESION des évaluations systématiques de la performance, de la sécurité et de l’ergonomie, et en retour, AGAPLESION exige que chaque solution d’IA adoptée apporte des bénéfices cliniques mesurables.
L’adoption de l’IA au-delà de Darmstadt
Il existe un mouvement croissant vers l’adoption de la technologie d’IA en radiologie en Allemagne. Les hôpitaux et les établissements d’imagerie privés ont commencé à intégrer des outils marqués CE dans leurs flux de travail pour la détection de fractures, l’analyse thoracique, l’évaluation de l’âge osseux, ainsi que les mesures ostéo-articulaires. La suite IA Rayvolve®, par exemple, est activement déployée sur des sites cliniques dans le monde entier et est utilisée par les équipes d’imagerie pour aider à gérer des volumes d’imagerie croissants tout en préservant la précision diagnostique.
L’expérience d’AGAPLESION s’inscrit dans un thème plus large : les adoptions d’IA les plus fructueuses sont celles qui émergent de la base clinique, avec le soutien de la direction et grâce à un partenariat engagé avec des professionnels de l’IA. L’IA ne fonctionne pas comme une technologie isolée ; elle devient un outil collaboratif essentiel dans un écosystème diagnostique, façonné en partie par des décisions cliniques et en partie par l’analyse d’images assistée par IA.
Vers une nouvelle norme de soins
L’intégration de l’IA dans la pratique quotidienne de la radiologie représente un véritable changement dans la prestation de soins de santé. L’IA permet aux médecins de fournir des diagnostics plus rapides, plus sûrs et plus cohérents en reconnaissant des résultats subtils et en facilitant l’examen rapide des études.
Chez AGAPLESION, la suite IA Rayvolve® n’est pas seulement un dispositif technologique ; c’est un partenaire fiable pour soutenir le jugement clinique.
Alors qu’AGAPLESION fait progresser sa stratégie de transformation numérique, sa collaboration avec AZmed démontre l’intégration responsable et fondée sur des preuves de l’IA dans la pratique. Grâce à la combinaison d’une technologie validée et d’une expertise clinique, une nouvelle norme est établie pour la façon dont l’intelligence artificielle peut contribuer de manière significative à la prestation de soins de santé, en soutenant le personnel clinique jour après jour et en faisant progresser le domaine de la médecine diagnostique.
Questions fréquentes
What is the value of AI in improving diagnostic accuracy in radiology?
AI in radiology is essentially a constant second reader, as it highlights suspicious regions of interest on the image that may have been missed and decreases the risk of a missed finding, especially during high-volume reading, night shifts, and interruption-heavy workflows. The value is most credible from reader studies comparing radiologist performance when assisted by an AI tool, as opposed to just relying on standalone algorithm measures. To illustrate this point, AZmed has published several pieces of clinical evidence that show how AI assistance can improve diagnostic accuracy in radiology.
How does radiology AI help reduce report turnaround time?
Radiology AI can improve report turnaround time by changing worklist prioritization and how much interpretation burden is required on a reader's part. Through the use of triage algorithms, studies with suspected urgent findings move to the top of the worklist, so that time-sensitive cases are read earlier instead of waiting behind routine cases. Secondly, AI reduces the time it takes to interpret an image by providing the radiologist with suspected findings from the algorithm, directly overlaid on the image itself, with structured outputs, and by streamlining repetitive tasks whenever possible.
Why is diagnostic accuracy important in medical imaging?
For radiologists, an accurate diagnosis influences more than just clinical care. It has a direct impact on radiologists' workload and overall productivity and efficiency. For example, a decline in accuracy increases the number of queries and adds additional time to interpretation through addenda. It also requires multiple studies to clarify the original interpretation and creates variability when referring clinicians receive reads from multiple radiologists due to differing interpretations, especially in high-volume environments, during overnight shifts, and in multidisciplinary environments that include varying levels of expertise. AI tools designed to enhance accuracy by improving radiologic precision are effective only if they provide higher sensitivity than baseline tools without creating a load of false-positive diagnoses and can seamlessly integrate into the existing workflow of radiologists.
How can AI-based triage systems improve emergency radiology workflows?
AI triage systems provide support to emergency radiology by changing the way in which studies are added to the radiologist's worklist, by not assigning them based solely upon the sequence of their arrival into the department, but rather allowing AI-flagged studies with potentially urgent findings to take priority over non-urgent studies. Additionally, as a result of the triage system enabling worklist prioritization for urgent findings, it can either enable radiologists to decrease the time needed to read time-sensitive studies, thus reducing queue delays, or enable the radiologist to communicate potentially important findings during peak hours of workload and overnight.
What are the main benefits of integrating AI tools into radiology workflows?
Advantages of radiology workflows incorporating AI tools include higher accuracy in reports, quicker turnaround, and lower workflow disruptions. AI is integrated into the standard PACS/RIS system so that radiologists have review access to both AI reports and the radiologist-generated reports without having to take additional clicks to view these results.
Are AI tools in radiology clinically validated for real-world use?
There are many different factors that must be taken into consideration when deploying AI tools for radiology that are clinically validated, due to the fact that many tools are being labeled "clinically validated" with next to no published evidence. Validation studies must test the performance of the tool on a set of images that reflect how the tool will be used in clinical practice. This will ideally include using both external datasets and studies of radiologists using the AI tool versus not using the AI tool to measure their performance.
How does AI in radiology help prevent diagnostic errors?
The use of AI in radiology can improve the accuracy of radiology readings. It will reduce the likelihood of misses by serving as a consistent second reader. AI will detect abnormalities or findings in imaging studies that may not be detected by a radiologist due to the high volume of work and frequent interruptions. The best systems available today, like the Rayvolve® AI Suite, will aid a radiologist's reading of images by allowing them to quickly identify regions of suspicion (in order to validate their findings) and prioritize images with the potential for an urgent abnormality. Therefore, the best systems enable a radiologist to review and interpret images of acute studies in less time, thus reducing the risk of incorrect interpretations due to time constraints.
Can small hospitals or teleradiology providers use radiology AI effectively?
Yes, they can. However, this means how radiologists and teleradiologists work must be matched to how radiology AI is used. In smaller hospitals, the primary benefit comes from improved workflow (the ability to prioritize exams) and consistency (AI produces consistent outputs with a consistent format, so the reader doesn't need to switch back and forth). Using AI for smaller hospitals can improve the prioritization of emergency cases, meaning that an emergency case will not just sit in the queue while staffing levels are lower. AI can provide a way to receive structured or detailed information about studies directly in the primary diagnostic PACS viewer.
How does radiology AI support training for young radiologists?
AI in radiology is useful to developing radiologists because it acts as a verification of their impressions and is not used as an alternative to finding abnormalities. The most important way AI in radiology assists with a resident's training is through its fast response time. At a glance, it can find areas of interest and let the resident work independently on interpretation before reviewing areas they may have missed due to time constraints. Repeated use of this feedback enables residents to improve on searching techniques and decrease the rate of false-negative results; they can also recognize studies that have a high likelihood of perceptual errors.
What is the turnaround time for radiology?
The length of time it takes to complete an imaging study, also known as turnaround time (TAT), is typically defined by the amount of time from the end of an examination to when the final report is signed; however, there are many organizations that track this information differently. Some organizations track TAT starting when an order is placed or when the images are available for reading in PACS. The way you define TAT makes a difference in how many hours you can report as an average. There isn't one "right" TAT for radiology reporting because there are many variables to consider: urgency, staffing model, modality coverage (CT, MRI, and ultrasound each have their own distinct TAT), and whether the institution you are referring to is experiencing a backlog.
Informations réglementaires
EU - Rayvolve: Medical Device Class IIa in Europe (CE 2797) in compliance with the Medical Device Regulation (2017/745). Rayvolve is a computer-aided diagnosis tool, intended to help radiologists and emergency physicians to detect and localize abnormalities on standard X-rays.* AZchest is CE-marked for detection of abnormalities on chest X-rays such as: consolidation, pleural effusion, pneumothorax, cardiomegaly, acute pulmonary edema, ribs fractures and pulmonary nodules. It’s also FDA-cleared for two applications: detection of lung nodules (with Rayvolve LN) and notification and triage for pneumothorax and pleural effusion (with Rayvolve PTX-PE)US - Medical device Class II according to the 510K clearances. Rayvolve: is a computer-assisted detection and diagnosis (CAD) software device to assist radiologists and emergency physicians in detecting fractures during the review of radiographs of the musculoskeletal system. Rayvolve is indicated for the adult and pediatric population (≥ 2 years).Rayvolve PTX/PE: is a radiological computer-assisted triage and notification software that analyzes chest x-ray images of patients 18 years of age or older for the presence of pre-specified suspected critical findings (pleural effusion and/or pneumothorax). Rayvolve LN: is a computer-aided detection software device to assist radiologists to identify and mark regions in relation to suspected pulmonary nodules from 6 to 30mm size of patients of 18 years of age or older.Caution: The data mentioned are sourced from internal documents, internal studies and literature reviews. Carefully read the instructions for use before use. AZmed 10 rue d’Uzès, 75002 Paris - www.azmed.co - RCS Laval B 841 673 601© 2025 AZmed – All rights reserved. MM-25-26
